python实现scrapy定时执行爬虫

 

项目需要程序能够放在超算中心定时运行，于是针对scrapy写了一个定时爬虫的程序main.py ，直接放在scrapy的存储代码的目录中就能设定时间定时多次执行。 
最简单的方法：直接使用Timer类

import time
import os

while True:
    os.system("scrapy crawl News")
    time.sleep(86400)  #每隔一天运行一次 24*60*60=86400s

或者，使用标准库的sched模块

import sched
#初始化sched模块的scheduler类
#第一个参数是一个可以返回时间戳的函数，第二个参数可以在定时未到达之前阻塞。
schedule = sched.scheduler ( time.time, time.sleep )

#被周期性调度触发的函数
def func():
    os.system("scrapy crawl News")
def perform1(inc):
    schedule.enter(inc,0,perform1,(inc,))
    func()    # 需要周期执行的函数
def mymain():
    schedule.enter(0,0,perform1,(86400,))

if __name__=="__main__":
    mymain()
    schedule.run()  # 开始运行，直到计划时间队列变成空为止

关于cmd的实现方法，本人在单次执行爬虫程序时使用的是

cmdline.execute("scrapy crawl News".split())

但可能因为cmdline是scrapy模块中自带的，所以定时执行时只能执行一次就退出了。小伙伴有种方法是使用

import subprocess
subprocess.Popen("scrapy crawl News")